-
公开(公告)号：CN118013417A
公开(公告)日：2024-05-10
申请号：CN202410098822.1
申请日：2024-01-23
Applicant: 南京航空航天大学 , 北京空间飞行器总体设计部
IPC: G06F18/2431 , G06F18/214 , G06N3/0464 , G06N3/084
Abstract: 本发明公开一种航天器遥测时序数据生成方法、装置、介质及产品，涉及遥测时序数据生成领域，方法包括：将航天器遥测时序训练数据集合输入至航天时序数据生成模型中训练；航天时序数据生成模型包括数据嵌入与重构子模型、扩散transformer子模型；数据嵌入与重构子模型用于将一组预设可学习向量引入至航天器遥测时序训练数据，然后映射到低维潜在空间中；扩散transformer子模型用于实现数据重构生成；将随机噪声输入至训练完成的航天时序数据生成模型中，通过扩散transformer子模型的逆过程生成低维数据，再通过数据嵌入与重构子模型还原为航天器遥测时序新数据。本发明能够快速生成高质量的航天器遥测时序数据。
-
公开(公告)号：CN117932465A
公开(公告)日：2024-04-26
申请号：CN202410092919.1
申请日：2024-01-22
Applicant: 南京航空航天大学
IPC: G06F18/2415 , G01M15/02 , G06F18/213 , G06F18/214 , G06F18/22 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/094 , G06N3/096
Abstract: 本发明公开一种基于层次伪标签的航空发动机故障诊断方法及系统，涉及故障诊断领域；该方法包括：获取航空发动机的运行数据，分为源域数据和目标域数据；利用源域数据训练得到源域故障诊断模型；利用迁移对抗模型和目标域数据将源域故障诊断模型迁移到目标域上；迁移对抗模型是基于域混淆对抗学习和伪标签分层算法对层次伪标签域对抗网络进行训练得到的；层次伪标签域对抗网络包括依次连接的主特征提取器、域鉴别分类器、目标域偏重特征提取器和目标域数据分流器；本发明能够提高目标域数据的故障诊断的准确率。
-
公开(公告)号：CN114065862B
公开(公告)日：2024-02-13
申请号：CN202111371649.0
申请日：2021-11-18
Applicant: 南京航空航天大学
IPC: G06F18/2433 , G06F18/25 , G06F18/213 , G06N3/0455 , G06N3/042 , G06N3/0464 , G06N3/08 , G06F123/02
Abstract: 本发明提供的一种多维时序数据异常检测方法和系统，通过Transformer的自注意力机制捕获时间序列之间的相关性，减轻了时间序列的维数和关系紧密程度对模型性能的影响。并且，本发明采用了时序位置编码函数、周期位置编码函数、绝对位置编码等的全局位置编码，能够更好的捕获序列中的长期相关性。本发明还通过融合多个时间尺度的特征，弥补了数据在升维的过程中丢失的细节信息，从而获得了更加强大的特征表达，能够学习到更鲁棒更深层的局部特征。进一步，本发明采用的异常检测模型中的特殊残差结构，能够较好的缓解变分自编码器的散度消失问题，提高了模型生成能力的下限。
-
公开(公告)号：CN114091600B
公开(公告)日：2024-01-12
申请号：CN202111368698.9
申请日：2021-11-18
Applicant: 南京航空航天大学
IPC: G06F18/21 , G06F18/2135 , G06F18/2413 , G06N3/0499
Abstract: 本发明涉及一种数据驱动的卫星关联故障传播路径辨识方法及系统；该方法包括利用核主成分分析算法对待处理的遥测数据进行处理，得到每个数据点对应的平方预测误差SPE统计量，并将SPE统计量大于SPE控制限的数据点判断为故障；当故障发生后，根据生成的平方预测误差贡献图计算故障相关变量；根据基于Copula熵的传递熵估值算法对所述故障相关变量进行处理，得到故障传播因果图；基于核极限学习机的故障传播路径搜索算法和所述故障传播因果图，确定故障传播路径。本发明克服了传统传递熵方法计算复杂度高、无法区分直接或间接因果关系的缺点。
-
公开(公告)号：CN116089818B
公开(公告)日：2023-10-27
申请号：CN202310030459.5
申请日：2023-01-10
Applicant: 南京航空航天大学
IPC: G06F18/213 , G06F18/24 , G06F18/2411 , G06N3/0442
Abstract: 本发明公开一种机械加工过程中工件表面粗糙度预测方法、系统及产品，涉及机械加工质量在线预测技术领域，方法包括：实时获取机械加工过程中的待预测数据集；待预测数据集包括待预测主轴和轴上虎钳上的振动信号、待预测工艺参数静态因素、待预测刀具静态因素以及待预测工件静态因素；利用门控循环单元振动时序数据特征提取模型对待预测数据集进行特征提取，得到动态加工特征数据；将动态加工特征数据与静态加工特征数据聚合，得到聚合加工特征数据；将聚合加工特征数据输入多核支持向量回归机械加工粗糙度预测模型，利用多核支持向量回归机械加工粗糙度预测模型预测工件表面粗糙度。本发明能够提高机械加工过程中工件表面粗糙度预测精度。
-
Patent Agency Ranking
公开(公告)号：CN116933657A
公开(公告)日：2023-10-24
申请号：CN202310984418.X
申请日：2023-08-07
Applicant: 南京航空航天大学
IPC: G06F30/27 , G06F30/17 , G06N3/086 , G06N3/126 , G06F119/14 , G06F119/08
Abstract: 本发明公开一种复杂型面加工参数特征提取方法、系统、设备及介质，涉及工程应用与信息科学领域。该方法包括：获取复杂型面的历史加工数据，并构造加工参数特征子集；根据历史加工数据训练多参数振动力预测模型；根据加工参数特征子集、历史加工数据和仿真加工数据构造加工参数组合；根据多参数振动力预测模型预测加工参数组合对应的振动力峰值，并计算振动力峰值的均方差；根据加工参数特征子集中加工参数项的数量和振动力峰值的均方差计算目标函数值；采用改进遗传算法根据目标函数值迭代确定对振动力峰值影响最大且参数量最小的最优特征子集。本发明能够降低加工参数优化过程中的试错成本，提高复杂型面加工参数的优化效率。
-
公开(公告)号：CN116150366A
公开(公告)日：2023-05-23
申请号：CN202310025691.X
申请日：2023-01-09
Applicant: 南京航空航天大学
Abstract: 本发明公开一种早期谣言检测方法、系统、电子设备及存储介质，涉及文本识别技术领域，包括：对源推文和源推文回复进行预处理；根据预处理后的源推文进行证据检索，提取出与预处理后的源推文有关的证据；根据预处理后的源推文回复进行情感分析，得到预处理后的源推文回复中的情感状态；将证据、预处理后的源推文和预处理后的源推文回复作为图结构中点输入，将情感状态作为图结构中边输入，构建异构图神经网络；利用证据、预处理后的源推文和预处理后的源推文回复训练异构图神经网络，得到训练后的异构图神经网络；利用训练后的异构图神经网络对早期谣言进行检测。本发明可提高早期谣言检测的准确性和可解释性。
-
公开(公告)号：CN116089818A
公开(公告)日：2023-05-09
申请号：CN202310030459.5
申请日：2023-01-10
Applicant: 南京航空航天大学
IPC: G06F18/213 , G06F18/24 , G06F18/2411 , G06N3/0442
Abstract: 本发明公开一种机械加工过程中工件表面粗糙度预测方法、系统及产品，涉及机械加工质量在线预测技术领域，方法包括：实时获取机械加工过程中的待预测数据集；待预测数据集包括待预测主轴和轴上虎钳上的振动信号、待预测工艺参数静态因素、待预测刀具静态因素以及待预测工件静态因素；利用门控循环单元振动时序数据特征提取模型对待预测数据集进行特征提取，得到动态加工特征数据；将动态加工特征数据与静态加工特征数据聚合，得到聚合加工特征数据；将聚合加工特征数据输入多核支持向量回归机械加工粗糙度预测模型，利用多核支持向量回归机械加工粗糙度预测模型预测工件表面粗糙度。本发明能够提高机械加工过程中工件表面粗糙度预测精度。
-
公开(公告)号：CN115542282B
公开(公告)日：2023-04-07
申请号：CN202211495735.7
申请日：2022-11-28
Applicant: 南京航空航天大学
IPC: G01S7/41 , G06F18/25 , G06N3/0464 , G06N3/08 , G06N3/084
Abstract: 本发明公开了一种基于深度学习的雷达回波检测方法、系统、设备及介质，涉及雷达回波检测领域。该方法包括：获取待测目标的雷达回波数据；利用雷达回波检测模型对待测目标的雷达回波数据进行检测，得到待测目标的速度和距离方位；其中，雷达回波检测模型包括串联连接的特征提取模块和目标检测模块；特征提取模块包括卷积神经网络特征提取子模块、结合软注意力机制的自编码器杂波抑制子模块和特征融合子模块。本发明能够提高对“低小慢”目标雷达回波检测的准确性和适用性。
-
公开(公告)号：CN115907101A
公开(公告)日：2023-04-04
申请号：CN202211365271.8
申请日：2022-11-02
Applicant: 南京航空航天大学
IPC: G06Q10/04 , G06Q50/06 , G06N3/0442 , G06N3/08 , H02J3/00
Abstract: 本发明公开了一种基于图神经网络的电力系统负荷预测放法，包括：提出一种图构造器，自动学习并提取不同电力数据结点间的依赖关系并生成一张以邻接矩阵表示的依赖关系图；使用图神经网络在依赖关系图上进行多次图卷积操作，聚合有依赖关系的结点之间的信息并生成新的特征；将原始数据以及图卷积模块生成的所有新特征送入LSTM神经网络中进行时序预测，获得未来时刻的电力系统负荷数据。本发明的优点是：创新性地提出一种图构造器，将电力系统负荷预测问题转化为图神经网络所擅长的时空预测，弥补了传统方法难以提取结点间依赖关系的缺点，显著提高了电力系统负荷预测的速度与精度。本发明还适用于其他数据量大、维度高的时序预测问题。
-
-
-
-
-
-
-
-
-
Search Results
103
records
(took 0.033 seconds)
